Apa Perbedaan: Data Engineer, Data Analyst, dan Data Scientist?
Apakah anda pernah mendengar jargon Industry 4.0?
Perlu saya informasikan, sebenarnya jargon ini tidak harus berjalan berurutan. Maksudnya apa?
Dalam sebuah negara, bisa jadi dua atau lebih versi industri ini berjalan bersamaan.
Contoh: manufaktur di India masih berjalan di 2.0 sedangkan
aerospace-nya sudah 4.0.
Berdasarkan studi yang dilakukan di Eropa, efek dari perkembangan teknologi digital dan digitalisasi bagi perusahaan adalah sebagai berikut:
Kalau direnungkan dengan perlahan, mulai dari big data sampai
internet of things itu erat kaitannya dengan data.
Banyak dari kita yang belum sadar bahwa muara dari digitalisasi ini adalah banyaknya captured data. Saking banyaknya, hampir setiap detik kita bisa memproduksi data dari gadget kita masing-masing. Selain itu data yang muncul bukan lagi berupa tabel angka!
Postingan yang Anda lakukan di Instagram juga bisa disebut data!
Pada tahun 2006, Profesor Thomas Davenport dalam artikel di HBR menyebutkan bahwa:
Every companies can sell same products, can provide same services.
Lalu apa pembedanya?
Pembedanya adalah Analytics! Yaitu kemampuan perusahaan untuk bisa mengeksplorasi dan mengeksploitasi data yang ada di internal dan eksternal organisasinya.
Oleh karena itu, kondisi sekarang menjadi semakin rumit. Tools tradisional semacam Ms. Excel sudah tidak mampu mengolah data yang bentuk dan strukturnya makin lama makin aneh yang datang semakin cepat dan banyak serta dengan tujuan dan metode analisa yang lebih advance.
This leads us to a new job titles:
- Data engineer: A Data Engineer is a person who specializes in preparing data for analytical usage.
- Data analyst: A data analyst in a person who extract information from a given pool of data.
- Data scientist: A data scientist is a person who possess knowledge of statistical tools and programming skills. Moreover, a data scientist possesses knowledge of machine learning algorithms.
Masih bingung?
Saya kasih contoh data Covid 19 yang tersedia di situs World o Meters.
Seorang data engineer bertugas untuk menyiapkan platform penyimpanan data (cloud atau on premise), memikirkan bagaimana struktur data yang akan disimpan, dan menyiapkan data untuk bisa dianalisa lebih lanjut. Oleh karena itu dia harus memiliki knowledge lebih terkait data warehouse.
Seorang data analyst bertugas untuk memberikan narasi dan analisa deskripsi dari data. Oleh karena itu dia harus memiliki basic knowledge terkait statistik dan business process.
Seorang data scientist bertugas untuk membuat model matematika atau statistik untuk melakukan prediksi atau deep dive analysis dari data. Oleh karena itu dia harus memiliki knowledge terkait machine learning dan advance algorithms.
Kenapa hal ini menjadi penting?
Biasanya saya selalu menginformasikan hal ini setiap kali hendak memberikan training seputar data. Faedahnya adalah agar trainee bisa menentukan ekspektasi mereka sendiri seperti apa. Roles mana yang ia akan lakukan di fungsi pekerjaannya sehari-hari.
Namun, untuk beberapa orang yang bekerja di environment yang kecil, bisa jadi ketiga roles di atas dikerjakan oleh satu orang saja. Implikasinya apa? Orang tersebut minimal harus mengerti struktur data, mau disimpan di mana dan dengan cara seperti apa sampai nanti akan dianalisa seperti apa.